乐竞体育

　　传统行业正在经历着一场数字化改革浪潮，人工智能技术正在改变不同的行业，在医疗行业中，人工智能技术在医疗诊断和患者护理上发挥着重要作用。

　　由于传统的医疗设备功能有限，在很多情况下医生不能准确判断病情；在医护过程中，患者的状态又不能及时有效地监控，给医护人员带来了很大困扰！

　　边缘 AI 是指以机器学习 （ML） 算法的形式使人工智能在边缘设备上部署和推理。

　　Roboflow托管了数十个公共数据集，包括BCCDＡＩ设备，这是一个包含血细胞图像的对象检测数据集，可以将其按需求部署到Jetson 等边缘设备上。

　　如果你想了解如何使用 Roboflow 快速注释、训练自定义 YOLOv5 模型以及在边缘设备上进行推理！

　　传统的病理诊断是手动的人为的在显微镜或特定设备上分析病理图像，完成不同类型感染细胞的鉴定和扩散范围，需要医学专家们通过肉眼来诊断。

　　将深度学习应用于数字病理图像的辅助诊断上，能提高疾病诊断、靶点检测和病理区域分割的效率和准确率，降低对医疗设备的依赖和限制，并充分利用数字化病理图像可以显著降低看病成本。

　　此外，在WIS中，图像的像素大小分辨率太高，这会过度占有计算机的处理能力和内存，使其难以运行和分析，目前，计算机的处理速度还不能处理全像素WSI图像。

　　通过CNN卷积神经网络算法和基于网格的滑动窗口检测分类模型可以将高分辨率图像划分为多个局部块图，再分析每个块的信息并提取特征，最后把获得的信息整合在一起，这样就减少了内存占有率并提高了模型算法的预测效率。

　　在 GTC 2021 上，Grundium Ltd 展示了如何利用 NVIDIA Jetson 平台的AI计算能力重设了病理学的全玻片扫描仪，基于深度学习的图像分析可以与扫描过程交错进行，因此，扫描完成后即可获得结果，从而提高诊断量和准确率。

　　来自 NVIDIA 的博客《 AI at the Point of Care：Startups 便携式扫描仪在几分钟内诊断脑中风》，介绍了由一台NVIDIA Jetson AGX Xavier 提供支持的轻量级脑部扫描设备，提供32TOPS算力支持，并在边缘端进行推理。智能分析系统找出大脑信号如何相互作用并确定进一步的诊断，此设备可在几分钟内诊断出脑中风。

　　案例介绍：使用 NVIDIA Jetson 开发 AI 驱动的数字健康应用程序

　　这篇文章讨论了数据科学家和工程师如何使用 NVIDIA GPU 为生物医学应用制作基于 AI 的数字健康算法原型，并在嵌入式物联网和边缘 AI 平台（如 NVIDIA Jetson）上部署此类算法。您还可以使用 MathWorks GPU Coder 在 Jetson 上部署预测管道。

　　解决方案的目标是训练分类器来区分心律失常 （ARR）、充血性心力衰竭 （CHF） 和正常窦性心律 （NSR）。

　　Seeed 是 NVIDIA AI系统的经销商，也是 NVIDIA Jetson 边缘 AI 生态系统的合作伙伴。我们提供不同外形尺寸的 NVIDIA Jetson 模块、系统和载板，提供跨行业人工智能解决方案中，并提供更多的定制服务、案例教程和开发工具。

　　Seeed还推出了基于NVIDIA 生态的边缘计算机，reComputer J10系列、J20系列等系列边缘计算设备。

　　手掌大小的紧凑型边缘 AI 系统：外形紧凑（130 mm x 120 mm x 50 mm），提供 100 TOPS 的强大 AI 性能和丰富的嵌入式开发接口。 Orin NX 将 NVIDIA Ampere™ GPU 架构与 64 位操作能力相结合，集成了先进的多功能视频和图像处理以及 NVIDIA 深度学习加速器。

　　reComputer J4012 在内置的 5GB NVMe SSD 上预装了 JetPack 1.128，简化了开发，适合在智能城市、安全、工业自动化、智能工厂等行业从事视频分析、对象检测、自然语言处理、医学成像和机器人技术的边缘 AI 解决方案提供商的部署。

　　Seeed 提供了丰富的案例和教程，帮助开发者快速完成边缘计算AI应用程序开发。具体新手指南Wiki教程如下网址所示：

　　欢迎在评论区留言，说说您对边缘计算设备的行业应用看法！2月22日前留言并获得10个以上点赞量的留言，选取排名最高的3名小伙伴，我们将送出Arduino兼容的Grove传感器盲盒，给你的Arduino加上“感官”体验。